user@devops:~$ cat README.md
PyTorch Lightning
# Descrição
Projeto completo de PyTorch Lightning, o framework que profissionaliza o treinamento de modelos PyTorch eliminando boilerplate. Treina uma CNN com Batch Normalization e Dropout no Fashion MNIST (70.000 imagens, 10 classes) usando LightningDataModule para pipeline de dados modular, LightningModule para definição do modelo com training/validation/test steps, e Trainer API com max_epochs=5. Inclui ModelCheckpoint (top-2 por val_acc), EarlyStopping (paciencia 5), LearningRateMonitor, ReduceLROnPlateau scheduler, TensorBoard logging, TorchMetrics acumuláveis (MulticlassAccuracy), e callback personalizado TimeCallback. Resultado: 91.17% test accuracy com apenas 5 epochs em CPU. Inclui 5 visualizações: amostras do dataset, matriz de confusão, curvas de aprendizado, grid de previsões e diagrama da arquitetura CNN.
# Características principais
$ LightningDataModule: download, transforms, splits 85/15, dataloaders multi-workers
$ LightningModule: definição do modelo com training_step, validation_step, test_step
$ Trainer API: fit sem boilerplate, accelerator='auto', deterministic=True
$ ModelCheckpoint: top-2 checkpoints monitorando val_acc
$ EarlyStopping: parada precoce por val_loss com paciencia 5
$ ReduceLROnPlateau: scheduler adaptativo que reduz LR ao estagnar
$ TensorBoard Logger + LearningRateMonitor: logging profissional
$ TorchMetrics: Accuracy acumulável para train/val/test
$ Callback personalizado: TimeCallback registra tempo por epoch e total
$ 5 visualizações: amostras, confusão, curvas, previsões, arquitetura
# Galeria
# Tecnologias utilizadas
